发明公开
- 专利标题: 一种基于深度学习的超短期负荷预测方法及系统
-
申请号: CN201911120087.5申请日: 2019-11-15
-
公开(公告)号: CN110866645A公开(公告)日: 2020-03-06
- 发明人: 张思远 , 刘永刚 , 贺鹏程 , 钱军 , 陈斌 , 石辉 , 戴远航 , 廖志芳 , 潘海辉 , 曾琪 , 齐笑斐
- 申请人: 国网湖南省电力有限公司 , 国家电网有限公司
- 申请人地址: 湖南省长沙市天心区新韶东路398号
- 专利权人: 国网湖南省电力有限公司,国家电网有限公司
- 当前专利权人: 国网湖南省电力有限公司,国家电网有限公司
- 当前专利权人地址: 湖南省长沙市天心区新韶东路398号
- 代理机构: 长沙轩荣专利代理有限公司
- 代理商 叶碧莲
- 主分类号: G06Q10/04
- IPC分类号: G06Q10/04 ; G06Q50/06 ; G06N3/04 ; G06N3/08
摘要:
本发明提供一种基于深度学习的超短期负荷预测方法,用于对15分钟超短期负荷数据进行精准预测。在实际的湖南省全省的发电负荷预测数据中,本发明所提供的超短期负荷预测方法可以在训练集和测试集上均取得99.43%的准确率。可以为实际的发电规划提供强有力的决策依据。同时,在预测准确率指标的基础上提供了预测结果统计分析、预测值可视化分析、预测偏差时间点分析。预测结果统计分析用于对训练后的模型预测的可靠性提供统计学上的可信度依据。预测值可视化分析用于直观显示预测模型的预测值和实际电力负荷预测数据之间的差异。预测偏差时间点分析用于对预测偏差大的值所处的时间点提供分析,有利于后期电网工作人员对特定时间内的发电情况进行优化。